瑞士洛桑聯邦理工學院研發無需編碼的機器人控制框架

瑞士洛桑聯邦理工學院（EPFL）的一個研究團隊開發了一種機器人控制框架，該框架允許結構不同的機器人從單一的人類示範中學習相同的物理任務，無需為每台機器編寫新的代碼。這一框架名為「運動智能」（Kinematic Intelligence），由 EPFL 工程學院的學習算法與系統實驗室的研究人員開發。該研究解決了機器人技術中的一個長期挑戰：如何在不同機械結構的機器人之間轉移學到的技能，同時保證安全和可預測的行為，正如 LASA 負責人 Aude Billard 所描述的那樣。

當前的製造環境中，升級機器人艦隊往往意味著重新開始，不僅需要更換硬件，還需重新編程任務。即使兩台機器人被設計來執行類似的任務，由於關節排列或運動限制的不同，為一台機器人編寫的任務往往無法在另一台上使用。這種重新編程的負擔既昂貴又耗時，並且每當新機器人進入工作流程時，都需要專業的技術專長。隨著機器人硬件的快速演變，製造商在生產線上混合不同的機器人型號，為每個平台定製代碼的成本已成為靈活自動化的重大障礙。

運動智能技術能夠有效提升機器人學習效率

運動智能的工作原理是，將人類演示的任務數學轉換為通用的運動策略，然後根據不同機器人的物理設計進行調整。該系統並非記錄機器人特定的關節坐標（這在不同平台之間有所不同），而是將任務抽象為與末端執行器在空間中的位置和軌跡相關的通用幾何表示。然後，這一抽象以需要執行此任務的機器人的運動學術語重新表達，考慮到該機器人的具體關節配置、運動範圍和物理限制。

在一個裝配線實驗中，一名人類通過將一個木塊從輸送帶推到工作台上，然後放在桌子上，最後將其扔進籃子中來演示一個任務。通過使用運動智能，三台完全不同的商用機器人能夠安全可靠地重現這一序列。每台機器人執行任務的不同步驟，該系統在更改步驟分配時仍然能成功運行，正如 LASA 博士生及共同第一作者 Sthithpragya Gupta 所解釋的：“每台機器人以自己的方式解釋相同的技能，但始終在安全和可行的範圍內。

”這種安全操作的保證是設計上的一個重要優先考慮。

該框架將推動人機協作的未來發展

該框架並非僅僅是翻譯動作，它會檢查每個轉換的指令是否在接收機器人能夠物理和安全執行的範圍內，才允許其繼續進行。研究人員的目標是將該框架擴展到人機協作和基於自然語言的互動等環境。例如，運動智能可以允許人們在家中以簡單的命令指示機器人，而無需技術編程。LASA 科學家及共同第一作者 Durgesh Haribhau Salunkhe 表示：“我們的目標是消除對技術專業知識的需求，同時確保安全和可靠的操作。

用户提出想法和所需行為，機器人應該負責其餘的工作。”

該框架與新興的人形機器人市場直接相關，因為快速的硬件迭代意味著當前的平台可能在數月內被更新版本取代，後者的關節配置有所改變。一個允許技能在這些硬件代代之間轉移而無需重新編程的系統，可能會顯著降低在工廠、醫院和家庭中部署下一代機器人艦隊的成本。該論文題為《演示一次，在多台機器人上執行：用於跨機器人技能轉移的運動智能》，已發表於《科學機器人》（Science Robotics）。